PCL 生产落地案例

五、生产落地案例

案例一：料箱内散堆工件的识别与位姿估计

背景：机械臂要从料箱里抓取散堆的金属工件，需要输出每个工件的类别与位姿。相机是固定的结构光三维相机。

怎么做：先用直通滤波裁掉料箱外的背景，再用体素降采样把点数压下来；用 RANSAC 拟合箱底平面并剔除；对剩余点做欧式聚类得到每个工件；对每个簇做位姿估计，用模板点云与目标点云做配准，先粗后精，最后把结果转换到机器人基座坐标系发给规划模块。

关键配置：体素边长与相机分辨率匹配；聚类容差必须大于相邻点的间距（降采样后的间距），否则一个工件会被拆成好几块；ICP 的最大对应点距离先用较大值抓大范围，稳定后再收紧。

效果：散堆抓取成功率满足节拍要求，且对工件摆放姿态的波动有一定容忍度。

坑与解决：一是聚类容差照搬了别人的参数，结果每个工件都被切碎，按实际降采样后的点间距重新计算后就正常了。二是每帧都重建 KD 树，处理耗时居高不下，把建树移到降采样之后、并且只对感兴趣区域建树，耗时明显下降。三是金属表面反光导致部分区域点云缺失，配准失败率高，加了多帧累积和失败重试之后才稳。四是输出点云的坐标系没转换，抓取位置整体偏了一个固定方向——这类错误从数据上完全看不出来，只能靠试抓验证。

案例二：激光 SLAM 前端的点云预处理

背景：一台巡检机器人用三维激光雷达做定位建图，原始点云太密导致里程计跟不上实时性。

怎么做：在里程计之前加一级预处理节点：降采样、剔除过近与过远的点、剔除机器人自身结构造成的遮挡点；把处理后的点云同时送给里程计与建图模块，并保证时间戳与坐标系一致。

关键配置：预处理节点输出的点云必须沿用原始时间戳；降采样参数在标定阶段确定后固定，避免运行期变化导致里程计尺度漂移；近距离剔除半径要大于机器人自身尺寸。

效果：里程计的处理耗时下降到可实时运行的水平，建图精度没有明显损失。

坑与解决：预处理时随手把时间戳改成了处理时刻，导致运动补偿用错时间，高速转弯时地图出现明显扭曲；改回沿用原始时间戳后消失。另外曾经把点云降采样做得太狠，导致远处的墙体点太少，回环检测匹配不上，最后按距离做了分段降采样（近处保留密度、远处更狠）来平衡。